去年11月12日晚上8点40分,我们仓那条28米的传送带停了。一个超大纸箱斜着卡在合流口,后面的箱子一个接一个顶上来,叠了三层才有人发现。停线47分钟,180多单没出去,客服电话响到半夜。后来我才明白,AI视觉传送带卡件检测要防的,就是这种还没成型就被忽略的卡件。那天我站在传送带边上就一个念头:我们小仓可烧不起这个钱,也烧不起这种停线。
我们仓3000平,拣货加打包一共14个人,传送带就一条主线加两条支线。以前防卡件靠什么?靠人眼,靠光电开关。光电开关这东西我后来才想明白,它只能告诉你“这儿已经堵了”,堵成什么样、堵在哪一段,它不知道。等它报警,箱子早叠起来了。AI视觉传送带卡件检测不一样,它看的是箱子歪没歪、挤没挤、走没走,卡件还没成型就能喊一嗓子。这区别听着小,旺季能救命。
我们小仓先看住合流口,再谈AI视觉传送带卡件检测
第一笔钱我没敢多花。整条线都装摄像头、都上模型,那是大仓的玩法。我们只在最容易卡的两个地方装了摄像头:主线和支线的合流口,还有分拣口前面那个弯道。一共3个摄像头,用的就是仓里原来安防剩下的两个,外加一个新买的。模型也不追求什么都认,只认三件事:箱子斜了、箱子叠了、箱子在原地超过几秒不动。认准这三件,误报少很多。
试用第一周就翻车了。下午阳光从西边窗户斜进来,传送带上拖出长长的影子,系统把影子当成一个横着的箱子,一下午报了9次。工人跑过去一看啥也没有,跑第三次就开始骂了。我跟做系统的师傅商量,把判断改成“连续几帧都异常才报警”,再把阳光最强的那一小时单独调了参数。改完之后误报降到一天1次左右。这个教训我记住了:小仓上视觉,先治误报,再谈检出率。误报治不住,工人就不信系统了,系统再准也是摆设。
还有一个真事。去年12月一个周二早上,一个软包袋在弯道被前面的箱子挤住,带子一半垂到传送带外面。光电开关没反应,因为它只看有没有东西挡住那一条线。摄像头看出来了:这个袋子5秒没往前走,形状还越拉越长。系统报警,线停了,工人走过去把袋子扶正,前后不到2分钟。要是等它彻底卡死再处理,又是半小时起步。那次之后我才信,这东西不是花架子。
这笔账我按假设算例算给你看
先说清楚,下面这张表是我们仓的假设算例,不是行业标准价,也不是谁家报价单。数字按我们仓的规模编,算法是真的,你拿自己仓的数往里套就行。
| 项目 | 假设算例 |
|---|---|
| 摄像头与安装 | 3个点位,合计约2万元上下 |
| 模型与软件年费 | 每年约1.5万元上下 |
| 一次严重卡件停线 | 约40分钟,影响约150单 |
| 每月严重卡件次数 | 旺季约6次,淡季约2次 |
| 每次停线的人工与赔付损耗 | 约800元上下 |
按这个假设算例粗算:旺季一个月少卡3次,一次省40分钟,省下来的人工和赶单成本差不多能顶掉大半个月的软件钱。淡季省得少,但系统在那儿放着也不吃人。反常识的判断在这儿:小仓买AI视觉,买的不是“检出率多高”,买的是“停线次数少几次”。检出率从九成提到九成五,对我们这种规模意义不大;一个月少停两次线,意义就大了。厂商给你看准确率的时候,你要问的下一句永远是:误报一天几次,谁去处理误报。
还有一个细节是报警分级。轻微歪斜只亮黄灯,提醒附近的人留意,不用停线;箱子叠起来或者原地不动超过设定秒数才亮红灯、建议停线。分级这件事看着是小事,实际决定了工人对系统的信任。什么都亮红灯,工人三天就麻木了;该红的时候红、该黄的时候黄,工人才会把系统当帮手,而不是当监工。这跟设备上的报警是一个道理:报警分级不对,再好的传感器也会被人工屏蔽掉。
公开研究里也有能参考的数:亚马逊研究团队公开报道过一套单摄像头方案,在实际分拣场地对照513件人工计数的包裹,计数准确率98.05%,识别并排双件的精确率96.0%。这数是人家的场地、人家的数据,我搬过来只是想说一件事——这条路在真实仓库跑通过,不是实验室里的演示片。但你家仓的光线、箱型、带速跟人家不一样,照搬准确率就是自己骗自己。
小仓上AI视觉传送带卡件检测,我的土办法
我的做法很土,但管用。第一步别全线铺开,先挑一个最容易卡的点跑两周,数据记下来:卡了几次、误报几次、每次处理花了几分钟。两周后你自己就能判断值不值。第二步是把报警接到工人手边,别只接在办公室电脑上。我们是在合流口挂了个带灯的小屏,红灯一亮,附近的人抬头就看见。第三步是留一个人工确认的口子:系统只建议停线,最后停不停由当班的人按一下。刚开始工人不放心,宁可多按几次停线;跑熟了之后,他们比系统还淡定。
摄像头装哪儿、模型认什么,先想清楚再花钱
我们仓还有个教训跟选型有关。最开始有人推荐我们上带深度感知的方案,报价一出来我就摇头了:那套东西好是好,但我们仓的箱子尺寸本来就杂,软包、纸箱、异形件混着走,深度数据再准,也救不了合流口那个斜着进来的大箱子。后来我们定的规矩是:先看住流动,再看住形状。流动就是箱子走没走、走多快,形状就是歪没歪、叠没叠。这两件事摄像头加普通模型就能干,不用上最贵的。
维护这块我也吃过亏。有一个摄像头装在分拣口正上方,灰尘两个月就糊了一层,画面发雾,误报一下子多起来。后来我们把擦镜头写进了每周的设备点检表,跟传送带润滑同一天做,十分钟的事。再有就是夜班光线,晚上仓里只开一半灯,有一段传送带偏暗,模型在那儿老是犹豫。我们没加灯,没换模型,就把那一段的判断阈值放宽了一点,宁可漏掉一次轻微的歪斜,也别半夜三更把人吵起来。取舍就是这样:白天要灵敏,夜里要安静,同一个模型不能两头都占。
给同类小仓的建议就一句:别一上来就谈智能,先谈你仓里最常卡的三个位置。把位置找准,摄像头装对地方,模型只认最要命的那几种异常,钱就花在了刀刃上。反过来,位置没找准,摄像头装了一排,模型认了一堆,最后报警比卡件还烦人,工人一关了之,你花的钱就全打了水漂。
小仓有小仓的活法。
作者:小马|小仓创业者,3000平小仓主







